PS4课业解析

PS4编码这项任务将使我们寻找建立一个深卷积神经网络,类似于LeNet-5的结构
在这里,我们定义valid as out-shape是一个大于1的整数,其中静态变量:1。层数2。输出形状灵活变量:1。内核形状2。MaxPool筛选器形状3。每个转换层4的内核数。
每个FC层分配的节点数分级和此分配总体上的程序建议你必须实现的所有方法的要点。
对这一总数征收的百分比如下:
1。如果您正确地实现了所有的方法,并且您可以正确地为每个conv层应用一个内核,您将获得80%的积分
2。在每一层应用多个内核的正确实现将为您赢得额外的10%3。正确实施集成学习将为您额外赢得5%4。对参数的实验将为你赢得最后5%的分数。
有关详细信息,请参阅本文档的底部,例如,如果您正确地实现了所有方法,但没有多个内核,也没有集成训练,您将获得(87 x 0.75)可能的87。如果你完成了上述情况,同时又正确地加入了辍学和合奏训练,那么你将获得(87*0.95)的可能的87分。我建议你这样做:
1。通过批量训练、权值衰减、偏差项和每个conv层
2应用一个核来实现网络。为每个conv层功能添加多个内核ℎ=+1ℎ+2∗-ℎ
3。添加不同的内核形状功能
4。实施集成学习
5。实验一个关于“不同内核形状”的注释:对于一个卷积网络,在同一层应用的所有内核都将是相同的形状,当我说你的网络应该能够处理不同的内核形状时,这意味着如果你改变了某一层的内核形状,应用在该层上的所有内核都将采用新的形状。例如,Kernel1从4x4内核开始。这意味着如果我想将多个内核1应用于输入层,那么我将应用多个4x4内核(它们都是相同的形状)。如果我更改网络,使Kernel1现在是6x6内核,这意味着Kernel1的所有应用程序现在都是6x6。

更多讨论可以+V:xiaolajiao0414

评论

暂无评论